[發明專利]基于深度學習的多要素導線舞動預警方法及相關裝置

有效

• 申請號: 201811375147.3
• 申請日: 2018-11-19
• 公開（公告）號: CN109492756B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 王晗曉昕;王丙蘭;宋麗莉;何曉鳳;劉善峰
• 申請（專利權）人: 中國氣象局公共氣象服務中心;北京玖天氣象科技有限公司;國網河南省電力公司電力科學研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本發明提供一種基于深度學習的多要素導線舞動預警方法及相關裝置，方法包括：采集目標坐標點的相關信息，所述目標坐標點的相關信息包括目標坐標點的經緯度、海拔高度、溫度、相對濕度、風速和探空資料中的探空溫度、探空溫度與露點溫度的差值；將采集到的目標坐標點的相關信息作為預先訓練好的模型的輸入樣本要素，輸入至模型中；獲取模型輸出的用于表征目標坐標點是否為舞動點的舞動預警結果。本發明綜合考慮了地面氣象要素、高空氣象要素、地形及地理位置對輸電線路舞動的影響，提高了導線覆冰舞動預測的普適性、準確性，能夠為我國各地區各地形條件下的輸電線路舞動提供有效的預警信息。

技術領域

本發明涉及電力生產和氣象預測交叉技術領域，尤其涉及一種基于深度學習的多要素導線舞動預警方法及相關裝置。

背景技術

隨著全球氣候變化，極端天氣事件呈現出頻次增多、強度增大的趨勢，由此引發的各類氣象災害對電網運行安全造成了極大的威脅。其中，輸電線路舞動作為一種特殊的氣象災害，會引發線路跳閘、損壞電力設備、導致大面積停電事故，給社會經濟帶來重大損失。因此，建立一套有效的、具有廣泛適用性的輸電線路舞動預警預報系統對保障電網運行安全、保障社會正常運轉具有重大的現實意義。

輸電線路舞動是輸電線路導線不均勻覆冰后在風激勵作用下產生的一種低頻率、大振幅的自激振動現象。輸電線路舞動的形成離不開3個重要因素，分別為導線覆冰、風的激勵、線路自身參數。國內外學者在導線舞動機理方面做了大量的實驗和研究，主要有DenHartog(1932)的垂直舞動理論，O.Nigol(1974)的扭轉舞動理論和P.Yu(1993)的偏心慣性耦合失穩理論等。但由于導線舞動具有隨機性和非線性的特點，這些理論無法遍及所有舞動發生的條件和舞動類型，因此僅僅通過機理研究和舞動模型采取相應的防治措施只能對部分情況有效。基于此，輸電線路舞動的防治要另辟蹊徑，由此現有技術進一步提出，可以利用統計模型或機器學習的方法在輸電線路舞動發生前對其進行預警。

機器學習是一種在缺乏理論模型時針對數據特征進行挖掘的有效建模手段，機器學習可以根據對歷史數據的自學習與誤差修正，總結出一套“規則”并建立一個“模型”，將未來的數據輸入該“模型”即可得到未來的預測結果。近年來，很多學者對導線覆冰的預測模型展開了研究，已有的模型有廣義回歸神經網絡(GRNN)、BP神經網絡、徑向基函數(RBF)神經網絡等，但是這些模型都只是針對覆冰厚度進行預測，而沒有考慮導線覆冰之后是否舞動。

導線舞動的內部影響因素有：線路或桿塔自身結構參數；外部因素有：氣象因素和地形因素。王丙蘭等(2017)通過分析河南電網歷史舞動過程，得出了河南電網舞動發生時的氣象要素指標。結果表明，導線舞動的外部影響因素不僅有地面氣象要素，也包括高空氣象條件。李帥等(2016)利用Adaboost分類學習器對各類線路分別進行舞動預測，廖崢等(2017)提出了一種基于BP神經網絡的舞動預警方法，他們選取的輸入特征量均為風速、風向與線路的夾角、相對濕度以及溫度，這些都是地面氣象要素。此外，由于我國幅員遼闊，橫跨多個氣候帶，各地區氣候條件差異顯著，各地發生導線舞動時的氣象條件也不盡相同。

由于導線舞動的影響因素眾多、機理復雜，因此目前缺乏一種綜合考慮地面氣象要素、高空氣象要素、地形及地理位置的輸電線路舞動預測方法，無法得到可靠的舞動預警結果。

發明內容

有鑒于此，本發明提供一種基于深度學習的多要素導線舞動預警方法及相關裝置，能夠綜合考慮地面氣象要素、高空氣象要素、地形及地理位置對輸電線路舞動的影響，提高導線覆冰舞動預測的準確性。技術方案如下：

基于本發明的一方面，本發明提供一種基于深度學習的多要素導線舞動預警方法，方法包括：

采集目標坐標點的相關信息，所述目標坐標點的相關信息包括所述目標坐標點的經緯度、海拔高度、溫度、相對濕度、風速和探空資料中的探空溫度、探空溫度與露點溫度的差值；